在Pyspark中读取Json

1szpjjfi 于 2022-12-22 发布在 Spark

关注(0)|答案(2)|浏览(181)

我想在PySpark中读取一个JSON文件，但是JSON文件是这样的格式（没有逗号和方括号）：

{"id": 1, "name": "jhon"}
{"id": 2, "name": "bryan"}
{"id": 3, "name": "jane"}

在PySpark中有没有简单的方法来读取这个JSON？
我已经试过这个代码：

df= spark.read.option("multiline", "true").json("data.json")
df.write.parquet("data.parquet")

但它不起作用：在 parquet 文件中，只显示第一行。
我只想读取这个JSON文件并保存为 parquet ...

pyspark

来源：https://stackoverflow.com/questions/74858343/read-json-in-pyspark

2条答案

按热度按时间

8cdiaqws1#

在从你提到的文件中阅读数据时，只出现第一行，因为multiline参数被设置为True，但是在本例中，有一行是JSON对象。因此，如果你将multiline参数设置为False，它将按预期工作。

df= spark.read.option("multiline", "false").json("data.json")
df.show()

如果您的JSON文件在文件中包含JSON数组，如

[
{"id": 1, "name": "jhon"},
{"id": 2, "name": "bryan"},
{"id": 3, "name": "jane"}
]

或

[
    {
        "id": 1, 
        "name": "jhon"
    },
    {
        "id": 2, 
        "name": "bryan"
    }
]

将multiline参数设置为True即可。

赞(0）回复(0）举报 2022-12-22

gab6jxml2#

首先尝试以文本文件的形式读取，然后将其解析为json对象

from pyspark.sql.functions import from_json, col
import json

lines = spark.read.text("data.json")
parsed_lines = lines.rdd.map(lambda row: json.loads(row[0]))

# Convert JSON objects --> a DataFrame
df = parsed_lines.toDF()
df.write.parquet("data.parquet")

赞(0）回复(0）举报 2022-12-22

我来回答

在Pyspark中读取Json

2条答案

相关问题

热门标签

最新问答